Synthesis of the wavelet-neural networks for the classification of mass spectra using clonal algorithm

Abstract

Мас-спектрометрію спектрів вибрано скринінговим засобом для виявлення дискримінаційних структур білка. Однак мас-спектри представляються даними великої розмірності, які мають значну кількість локальних максимумів (a.k.a. піки), що повинні бути проаналізовані. Для вирішення цієї проблеми ми розвинули нові триступеневі стратегії. Після попередньої обробки, для класифікації мас-спектрів, ми використовуємо алгоритм клонової селекції для синтезу колективних бінарних класифікаторів у вигляді вейвлет-нейронних мереж. Результати, отримані шляхом аналізу сукупності даних пухлини/здорові зразки, дозволили нам правильно класифікувати більш ніж 99% проб. The mass spectrometry spectra are recognized as a screening tool for detecting discriminatory protein patterns. However, the mass spectra represent high dimensional data that have a large number of local maxima (a.k.a. peaks) which have to be analyzed; to tackle this problem we have developeda new three-step strategy. After preprocessing for classification of mass spectra, we use analgorithm clonal selection for synthesis collective binary classifiers in the form of wavelet-neural networks. The results obtained by the analysis of a data set of tumor/healthy samples allowed us to correctly classify more than 99% of samples.